Machinelearning

🚀 Google just published 25 million free datasets https://towardsdatascience.com/google-just-published-25-million-free-datasets-d83940e24284 Datasetsearch: https://datasetsearch.research.google.com @ai_machinelearning_big_data

GL2vec: Graph Embedding Enriched by Line Graphs with Edge Features Code: https://github.com/benedekrozemberczki/karateclub Paper: https://link.springer.com/chapter/10.1007/978-3-030-36718-3_1 https://karateclub.readthedocs.io

🧠 Releasing the Drosophila Hemibrain Connectome — The Largest Synapse-Resolution Map of Brain Connectivity http://ai.googleblog.com/2020/01/releasing-drosophila-hemibrain.html

Идет набор в новую группу профессионального онлайн-курса «Data Engineer». Если слова Hadoop, MapReduce, Spark (и не только!) для вас не пустой звук – это ваш курс. 📌Изучайте программу и минимальные требования к поступающим, проходите вступительное тестирование и присоединяйтесь с welcome-скидкой: https://otus.pw/MMn1/ Что даст вам этот курс: 📌 знание ключевых способов хранения и методов обработки больших объемов данных, а также стоимости их внедрения; 📌 умение работать с распределенными система в контексте Hadoop экосистемы; 📌практические навыки разработки приложений с использованием программной модели MapReduce ; 📌опыт использования распределенной файловой системы (HDFS). Делиться с вами своей экспертизой будут преподаватели и наставники курса, среди которых Егор Матешук (Senior Data Engineer) и Артемий Козырь (Data Engineer). Приходите учиться на боевых задачах у настоящих профессионалов.

AI Habitat state-of-the-art simulation platform adds object interactivity A major update to Facebook AI’s open source AI Habitat platform , which enables significantly faster training of embodied AI agents in a variety of photorealistic 3D virtual environments. https://ai.facebook.com/blog/ai-habitat-state-of-the-art-simulation-platform-adds-object-interactivity/ Github: https://github.com/facebookresearch/habitat-sim/ https://github.com/facebookresearch/habitat-api Paper: Are We Making Real Progress in Simulated Environments? Measuring the Sim2Real Gap in Embodied Visual Navigation https://arxiv.org/abs/1912.06321

Plato Dialogue System: A Flexible Conversational AI Research Platform Code: https://github.com/uber-research/plato-research-dialogue-system Introducing the Plato Research : https://eng.uber.com/plato-research-dialogue-system/ Paper: https://arxiv.org/abs/2001.06463v1

Big data, machine learning, cloud cloud, smoothie meetup, agile, coworking https://t.me/mlbigdata

Neural Arithmetic Units Code for Neural Arithmetic Units (ICLR) and Measuring Arithmetic Extrapolation Performance (SEDL|NeurIPS): https://github.com/AndreasMadsen/stable-nalu Paper : https://openreview.net/forum?id=H1gNOeHKPS @ai_machinelearning_big_data

20 января в 20:00 мск OTUS приглашает на бесплатный пробный урок онлайн-курса «Математика для Data Science» - «Методы регрессионного анализа в Data Science» для аналитиков и разработчиков: https://otus.pw/fLr0/ На вебинаре вы: - познакомитесь с понятием линейных регрессий; - изучите, где и как их можно применять на практике; - узнаете, какие темы и разделы математического анализа, линейной алгебры и теории вероятностей используются в этой области. Вебинар проведёт Пётр Лукьянченко (преподаватель ВШЭ по высшей математике с опытом более 10 лет, работал в Lamoda на должности Team Lead Analytics). Не упустите возможности задать ему все интересующие вопросы! Чтобы узнать свой уровень и сделать выбор между Базовым и Продвинутым курсами, пройдите вступительный тест: https://otus.pw/0ZFq/

Optuna: A hyperparameter optimization framework Optuna is an automatic hyperparameter optimization software framework, particularly designed for machine learning. Code: https://github.com/optuna/optuna Paper: https://arxiv.org/abs/1907.10902v1 Tutorial: https://optuna.org/

Trax — your path to advanced deep learning Trax helps you understand and explore advanced deep learning. https://github.com/google/trax Paper Reformer: The Efficient Transformer: https://arxiv.org/abs/2001.04451v1

#MoscowTravelHack #DataScience #ПредиктивнаяАналитика Задачи для DataSience-команд и аналитиков в рамках хакатона Moscow Travel Hack. Создай предиктивную модель покупки билета на основе данных о пользователе в сервисе «Мегафон Путешествия» или придумай рекомендательный сервис, который сможет построить индивидуальную программу посещения Москвы для иностранного туриста на платформе Russpass. Эти и другие 10 задач можно найти на сайте хакатона travelhack.moscow Призовой фонд — 1,1 млн рублей!

SMOTE Oversampling for Imbalanced Classification with Python https://machinelearningmastery.com/smote-oversampling-for-imbalanced-classification/

Deep Image Compression using Decoder Side Information Code: https://github.com/ayziksha/DSIN Paper: https://arxiv.org/abs/2001.04753v1

PyTorch 1.4 released, domain libraries updated https://pytorch.org/blog/pytorch-1-dot-4-released-and-domain-libraries-updated/ Examples using model parallel training for reinforcement learning and with an LSTM: https://github.com/pytorch/examples/tree/master/distributed/rpc

Rethinking Generalization of Neural Models: A Named Entity Recognition Case Study Paper: https://arxiv.org/abs/2001.03844v1 Code https://github.com/pfliu-nlp/Named-Entity-Recognition-NER-Papers

Using neural networks to solve advanced mathematics equations https://ai.facebook.com/blog/using-neural-networks-to-solve-advanced-mathematics-equations/

Уже 17 января стартует обучение на "Deep Learning и нейронные сети", комплексном курсе по глубокому обучению на Python в SkillFactory. Программа подойдет для тех, кто хочет в сжатые сроки получить практические навыки по программированию глубоких нейронных сетей. Вам подойдет этот курс, если у вас есть базовое понимание машинного обучения и знание языка Python. В рамках курса вы пройдете полный путь от аренды GPU-сервера, который подходит для Deep Learning, вплоть до создания полноценной рабочей модели для компьютерного зрения, анализа естественного языка и рекомендательных систем. На курсе вы освоите навыки работы с основными фреймворками для Deep Learning, такими как TensorFlow, Keras и другими. Партнер направления: NVIDIA Corporation 🎯Если и учиться, то только на практике: https://clc.to/ePFa8g

Self-supervised learning and computer vision https://www.fast.ai//2020/01/13/self_supervised/